付費限定
縱向測量衡等性簡介和Mplus操作
閱讀時間約 12 分鐘
如同跨組比較一樣，跨時間時也需要考量縱向測量衡等性，在分析縱向數據時考慮 測量衡等性 很重要，因為不具有縱向測量衡等性的量表，對結果的有效性和正確性有所影響。縱向衡等性和多群組衡等性的分析策略相似，但在參數設定有些差異，本文將簡介其概念和和Mplus操作。
縱向測量衡等是跨時間的衡等性。 在縱向數據中，衡等性指的是測量隨時間改變的穩定性。 在縱向數據中測試量表在不同時間點是否等效。 測試檢定方法是使用一系列CFA嵌套模型，分為:Configural, Metric, Scalar (Muthén & Muthén, 2017)，詳細介紹請看多群組測量衡等性介紹和Mplus操作
多群組和縱向測量衡等性的差異
測試縱向測量不變性的過程與多個組測量衡等性的過程非常相似，但有兩個主要差異之處(Liu et al., 2017)，如下面所示，圖a為多群組，圖b縱向測量衡等性:
- 允許時間 1 與時間 2 的同個因素具有相關
- 允許時間 1 與時間 2 的同個觀察變項之誤差變異量具有相關(例如:u11和u12有關聯)
則我們會忽略上述兩個主要差異，則可能會導致模型變差，也就是說更難通過衡等性。但不行的是Mplus沒有建立好懶人語法，所以我們必須實際一個一個檢驗 CONFIGURAL METRIC SCALAR。
語法輸入
Configural invariance
型態恆等代表因素和題目數量沒有顯著差異。如果這個最基本恆等模式無法符合模型指標標準(例如:RMSEA)，那下個層次(constrainted)的模式檢定也不會符合。
其他都沒變，我只寫有改變ge
以行動支持創作者！付費即可解鎖
本篇內容共 4883 字、0
則留言，僅發佈於統計分析 × 學術生涯你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
你的見面禮 Premium 閱讀權限
只剩下0 小時 0 分
221會員
122內容數
文章內容以圖像式和步驟化方式，教您如何在各種統計軟體中(例如:SPSS、R和Mplus)，執行多種統計方法。此外，我還會分享一些學術和科技新知，幫助您在學術之路上走得更順利。
留言0
查看全部
你可能也想看
Google News 追蹤
我們做實驗的目的，
往往是想要量化「確定的不確定性 Certain Uncertainty」。
什麼是「不確定性 Uncertainty」？
其實就是無法透過控制各種變因來控制下來的現象。
在做實驗的時候，
就算你已經把實驗條件盡量控制一樣了，
其實實驗的結果每次還是會有一些差異。
終於要開始講統計檢定的實作部分了。因為是舉實例所以滿長的。
為了讓順序比較恰當，這篇比較晚發的文章被設定成假設檢定後的下一篇。
什麼是MD測評? MD測評是一種用於評估個人和團隊驅動力的工具，通過問卷測量成就、權力、協作和安全感等驅動因素。最早在荷蘭開發，旨在幫助領導者理解管理風格及其對團隊的影響。MD測評與MBTI、DISC等工具不同，專注於驅動力分析，幫助管理者在團隊建設中做出更有針對性的決策。有助於提升團隊協作效能。
瞭解如何透過Regression實作Classification，使用one-hot vector表示不同的類別，並透過乘上不同的Weight和加上不同的bias來得到三個數值形成向量。同時通過softmax的方式得到最終的y'值，並探討使用Cross-entropy來計算類別的loss。
前面說明了所謂「假設檢定」的邏輯，也就是推論統計的基礎。但前面都還只是概念的階段，目前沒有真正進行任何的操作──還沒有提到推論統計的技術。
這篇其實有點像是一個過渡，是將前面的概念銜接到下一篇t分數之間的過程，也可以說是稍微解釋一下t檢定怎麼發展出來的。
一般常見的時間架構分成三個：趨勢級別、分析級別、進場級別。
趨勢級別
週線 or 日線，目的是為了確認整體市場的方向，以及關鍵流動性區域（支撐、壓力位）
分析級別
4H or 1H，目的是確認市場當前方向、公允價值缺口、訂單塊、流動性區域、高期望值交易區域，需要花較多時間來分析。
進場級別
在前篇討論到純粹在基本熱力學的角度而言，似乎不存在什麼自發秩序，不過這僅限基礎概念而言。如果拓展到其他物理學的面向後，再去看待何謂秩序，就會有不同的討論。
前陣子被YT演算法推薦了這篇: 點我
大約整理了3個重點：
MACD指標本身其實是代表多空強度大小，而非網路上常說的多空訊號。
在一個時間格局中用在小周期較合適。
MACD快線慢線和柱體分離時可以試著作為進場多空訊號。
在這裡先小小科普MACD算法
EMA(n)=(前一日EMA(n) ×
我們常把研究分成量化與質性兩種不同的方法（當然不止這兩種方法），其中量化分析主要在討論變數與變數的關係，而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時，我們需要收集大量田野調查或訪談資料。做過訪談的人都知道，訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿，這是一個大工程，還好現
所謂的多型是讓一個函式或是資料結構能擁有多個不同的類型，其中上一篇文章所談的就是參數多型(parametric polymorphism)，這篇文章將繼續討論特設多型(ad hoc polymorphism)。特設多型跟泛型的差別在於：泛型函式對於所有的類型只能有一種實作，而特設多型會根據類型有不同
我們做實驗的目的，
往往是想要量化「確定的不確定性 Certain Uncertainty」。
什麼是「不確定性 Uncertainty」？
其實就是無法透過控制各種變因來控制下來的現象。
在做實驗的時候，
就算你已經把實驗條件盡量控制一樣了，
其實實驗的結果每次還是會有一些差異。
終於要開始講統計檢定的實作部分了。因為是舉實例所以滿長的。
為了讓順序比較恰當，這篇比較晚發的文章被設定成假設檢定後的下一篇。
什麼是MD測評? MD測評是一種用於評估個人和團隊驅動力的工具，通過問卷測量成就、權力、協作和安全感等驅動因素。最早在荷蘭開發，旨在幫助領導者理解管理風格及其對團隊的影響。MD測評與MBTI、DISC等工具不同，專注於驅動力分析，幫助管理者在團隊建設中做出更有針對性的決策。有助於提升團隊協作效能。
瞭解如何透過Regression實作Classification，使用one-hot vector表示不同的類別，並透過乘上不同的Weight和加上不同的bias來得到三個數值形成向量。同時通過softmax的方式得到最終的y'值，並探討使用Cross-entropy來計算類別的loss。
前面說明了所謂「假設檢定」的邏輯，也就是推論統計的基礎。但前面都還只是概念的階段，目前沒有真正進行任何的操作──還沒有提到推論統計的技術。
這篇其實有點像是一個過渡，是將前面的概念銜接到下一篇t分數之間的過程，也可以說是稍微解釋一下t檢定怎麼發展出來的。
一般常見的時間架構分成三個：趨勢級別、分析級別、進場級別。
趨勢級別
週線 or 日線，目的是為了確認整體市場的方向，以及關鍵流動性區域（支撐、壓力位）
分析級別
4H or 1H，目的是確認市場當前方向、公允價值缺口、訂單塊、流動性區域、高期望值交易區域，需要花較多時間來分析。
進場級別
在前篇討論到純粹在基本熱力學的角度而言，似乎不存在什麼自發秩序，不過這僅限基礎概念而言。如果拓展到其他物理學的面向後，再去看待何謂秩序，就會有不同的討論。
前陣子被YT演算法推薦了這篇: 點我
大約整理了3個重點：
MACD指標本身其實是代表多空強度大小，而非網路上常說的多空訊號。
在一個時間格局中用在小周期較合適。
MACD快線慢線和柱體分離時可以試著作為進場多空訊號。
在這裡先小小科普MACD算法
EMA(n)=(前一日EMA(n) ×
我們常把研究分成量化與質性兩種不同的方法（當然不止這兩種方法），其中量化分析主要在討論變數與變數的關係，而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時，我們需要收集大量田野調查或訪談資料。做過訪談的人都知道，訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿，這是一個大工程，還好現
所謂的多型是讓一個函式或是資料結構能擁有多個不同的類型，其中上一篇文章所談的就是參數多型(parametric polymorphism)，這篇文章將繼續討論特設多型(ad hoc polymorphism)。特設多型跟泛型的差別在於：泛型函式對於所有的類型只能有一種實作，而特設多型會根據類型有不同